11月10日学习总结--初识numpy

numpy是Python数据分析中非常重要的库，只要用到数据分析的地方，必然会使用numpy库。之所以会用到这个库，是因为它比Python的常用数据容器List相比，有以下优点：
1、numpy对象中储存的数据，类型都是一样的，这让它能够有更快的运行速度
2、numpy进行数据操作时，带有传播属性，可以省去使用for循环逐个元素操作。

关于numpy对象中储存的数据，类型都是一样的，这让它能够有更快的运行速度的说明：
不同于C、Java等语言，Python是一个解释型语言，同一个变量，可以赋整型值，也可以赋字符串，
比如可以：
a = 64
a = ‘a’
而如果在C语言中，写
int a = 64
a = ‘a’
就会报错，提示a是一个整型，是不能赋字符串的。

我们知道，Python的底层是用C语言写的，当我们在C语言中定义一个整型变量时，其底层是一个内存地址，这个内存地址里存着我们赋的整型值。而在Python中我们定义一个变量时，其底层是一个C语言的指针，指向的是C语言写的一个结构体，这个结构体由4部分组成：
1）索引数：通过索引数来统计这个变量被引用了多少次，当索引为0时，这个变量就会在内存中被销毁
2）变量类型：指示这个变量是C语言的那种数值类型
3）长度：指示这个变量的长度，如果是字符串这样的基础类型，指示的是字节数，如果是列表这样的类型，则指示是元素个数
4）数值：指示这个变量里的值，如果是整型，则是数字，如果是字符串类型，则是一个字符串

而Python的常用数据容器List，其底层也是一个C语言的指针，其可以存储不同类型的变量，这带来了很多的便利性，但是它也因此就必须记录每个变量的指针，这会让它占用更多的空间，也牺牲了运行的效率。

而numpy，由于强制规定数组里的元素的类型必须是一致的，因此它就能够省去很多空间，也能带来更快的运行效率。
关于numpy进行数据操作时，带有传播属性，可以省去使用for循环逐个元素操作的说明
如果我们想在一个list中，对所有的元素都乘以2，则我们需要使用for循环来逐个操作元素，
比如 a = [1,2,3,4],如果想要对a中的元素都乘以2 ，则需要写为
for i in range(len(a)):
a[i] = 2
而如果我们想对一个numpy对象的所有元素都乘以2，则直接乘以2即可，不需要使用for循环，
比如a = numpy.array([1,2,3,4]),如果想要对a的元素都乘以2，则写为a2即可